首頁

Partnered With:

CPU，悄悄回到了AI算力的舞台中央

閱讀本文需 16 分鐘

不是 CPU 比 GPU 更快了，而是 AI 的「工作負載」變了。

原文標題：《CPU，悄悄回到了 AI 算力的舞台中央》
原文作者：徐珊，極客公園

過去三年，AI 算力的故事幾乎圍繞 GPU 展開。

從英偉達的 H100、H200，到 GB200、GB300，再到雲廠商們搶著擴建的十萬卡集群——所有的產業敘事都在講一件事：算力的瓶頸在 GPU。CPU 在這個故事裡，長期被默認是一個不那麼重要的「配套」角色，它跟在 GPU 後面，負責一些 GPU 不願意做的活兒。

但 2026 年開始，這個敘事出現了一些裂縫。

6 月 1 日，英特爾在北京推出了至強 6+ 處理器，專為雲原生、智能體 AI 與網路密集型工作負載打造。這是 Intel 18A 製程的首款資料中心 CPU。

在英特爾自己的描述裡，至強 6+ 承擔的不是 GPU 的「配套」，而是 AI 基礎設施的「控制平面」，負責編排、並發、資料流動。

「AI 的擴展之道，不在於各部件的疊加，而在於系統的協同運作。」英特爾公司執行副總裁兼資料中心事業部總經理 Kevork Kechichian 在溝通會上說，「隨著 AI 走向智能體時代，編排、並發與資料流動成為了新的限制因素。

這再次強化了一個核心事實：CPU 依然是現代 AI 基礎設施的控制平面。」

這不只是英特爾一家的判斷。今年 2 月，獨立半導體研究機構 SemiAnalysis 發布了一份名為「CPU 回歸」的 2026 年資料中心 CPU 版圖報告，給出的判斷同樣直接。在 AI 訓練與推理大規模鋪開的當下，CPU 正在以一種與過去三年截然不同的方式被重新需要。

只是這個「回歸」，需要打開來看，它不是 CPU 重新當主角，而是 CPU 在一個新的位置上被重新定義。

一、GPU 中心論的裂縫

要理解 CPU 為什麼「回來」，得先回到 AI 工作負載本身正在發生的變化。

過去兩年，AI 算力的主流叙事是訓練，大模型訓練規模每年漲四到十倍，訓練需要的是海量的並行計算，這件事 GPU 是絕對的主角。但訓練並不是 AI 工作負載的全部。

按英特爾在溝通會上的判斷，整個 AI 算力的工作負載大致可以分成三類：

第一類是基礎工作負載。存儲、數據庫、Web、微服務、CDN，這些不是 AI，但是 AI 跑起來需要的底層服務。這部分仍然是傳統 CPU 的主戰場。

第二類是訓練。前沿大模型的訓練，幾乎完全依賴 GPU 和專用加速器。這是過去三年所有人爭搶的部分。

第三類是推理與智能體。這個部分正在快速增長，且與訓練有顯著不同。

第三類的關鍵差別在於工作負載本身的形態。訓練是把模型從無到有「算出來」的過程，並行度極高，對單點峰值算力的需求極高。但推理和智能體不是——它要把已經訓好的模型，部署到真實業務裡去跑。

這意味著大量的事情不是「算」，而是編排：調度多個模型協作、管理上下文、協調不同 agent 之間的數據流、處理用戶的並發請求、保證延遲可預測。

這些事情，GPU 並不擅長。

「在該場景下，我們能看到結合了 GPU 級的加速，但主體仍是以傳統 CPU 為核心的工作負載。」Kevork Kechichian 在溝通會上說。

這件事背後還有一個更具體的產業事實。SemiAnalysis 在「CPU 回歸」報告裡舉過一個例子：微軟為 OpenAI 建設的「Fairwater」數據中心裡，一棟 48 兆瓦的 CPU 與存儲大樓，支撐著一個 295 兆瓦的 GPU 集群。

也就是說，為了讓那個 295 兆瓦的 GPU 集群真正跑起來，需要成千上萬顆 CPU 在旁邊處理 GPU 產生的 PB 級數據流、調度任務、管理存儲。

GPU 的算力被推得越高，它產生的「周邊算力需求」越大。而這些周邊算力的需求，最終落在 CPU 上。

也就是說，CPU 的回歸不是「CPU 重新比 GPU 更快」。而是當 AI 算力的形態從「訓練一個大模型」擴展到「運行成千上萬個智能體」時，編排和數據流動這件事，重新成為了瓶頸。GPU 解決不了這件事，CPU 解決得了。

這是過去三年的 AI 敘事裡，被忽視的另一面。

二、至強 6+ 押的是一條什麼路

英特爾押的判斷，反映在至強 6+ 的產品定義上。

最直觀的一個數字是，最多 288 個核心，且全部是能效核（E-core）。

E-core 和 P-core 是英特爾過去幾年在 CPU 架構上做的分叉。P-core 是性能核，追求單核性能極致，傳統伺服器 CPU 的設計目標。E-core 是能效核，單核性能弱一些，但面積小、功耗低，可以在同樣的晶片面積裡塞更多的核。

至強 6+ 把這個分叉推到了極致。288 個能效核，這意味著英特爾在一顆 CPU 上押的不是「每個核多快」，而是「一顆 CPU 上能塞多少個核」。

這個產品定義的邏輯是：智能體 AI 的工作負載不是單核能跑多快的問題，是能不能同時跑成千上萬個輕量任務的問題。當一台伺服器需要同時編排幾百個 agent、處理幾千個推理請求、維持上萬個並行連線時，288 個 E-core 的吞吐能力遠比 64 個 P-core 的單核性能更重要。

這是一個反主流的產品定義。過去幾十年，伺服器 CPU 的主流敘事都在拚單核性能，主頻更高、IPC 更強、快取更大。E-core 路線本質上承認：那個敘事可能要結束了。

但有幾件事必須放進來一起看。

第一，E-core 路線不是英特爾獨有。AMD 在 2023 年就推出了 Bergamo，基於密度優化的 Zen 4c 核心，AWS 的 Graviton 系列、Ampere 的 AmpereOne 系列也早就走的是「高密度核心 + 能效優先」的路線。Ampere 在 2024 年公布的 AmpereOne Aurora 路線圖裡，核心數已經做到了 512 個。

也就是說，至強 6+ 是英特爾在追趕一個已經存在的產業方向——英特爾不是引領者，是回到產業方向的玩家。

第二，至強 6+ 是 Intel 18A 製程的首款數據中心 CPU，這件事在英特爾自己的語境裡，可能比「288 核 E-core」還要重要。

Intel 18A 是英特爾過去幾年最大的賭注。它承擔的不僅是一顆 CPU 的事，而是 Intel Foundry，英特爾代工業務，能不能站住的事。如果 18A 製程不能給市場一個能打的產品，Intel Foundry 的故事就講不下去。

至強 6+ 用 18A 製程做出來、能效核數推到 288 個、對外宣布「性能密度業界領先」，這是英特爾交給市場的答卷之一。它能不能被市場認可、能不能在與台積電 N2、三星 2nm 的同代競爭裡站住，是另一個問題。

第三，至強 6+ 的客戶名單裡出現了幾個有產業意義的名字——愛立信用至強 6+ 在測試 5G 核心網，德國電信旗下的 T-Systems 用至強 6+ 搭私有智能體 AI 基礎設施。這兩個客戶都是數據中心 CPU 的傳統穩健採購方，他們的採購選擇本身就是一個市場信號。

把這三件事合在一起看，至強 6+ 押的是這樣一條路：用 18A 製程拿到能效優勢，用 288 個 E-core 拿到核心密度，押 AI 推理和智能體場景裡「高密度、高能效、高吞吐」這一類工作負載。

這不是 CPU 重回算力主舞台的故事，而是 CPU 找到一個新位置的故事。

三、這件事到底成不成立

英特爾講的這個「CPU 回歸」的故事，到底成不成立？需要看產業裡其他幾個變數。

第一個變數是 GPU 廠商的反應。

英偉達在過去兩年也在做和「編排」相關的事，Grace CPU + Hopper GPU 的組合，本身就是英偉達在補 CPU 這一環。如果 GPU 廠商自己把「CPU + GPU」的整體方案做成主流，那 CPU 廠商作為獨立角色的位置會被壓縮。這是英特爾講「CPU 是控制平面」這個敘事最大的對手，不是 AMD，是英偉達自己。

第二個變數是雲廠商的自研 CPU。

AWS Graviton 已經在 AWS 自己的資料中心裡規模化部署，承擔了 AWS 內部相當一部分通用計算工作負載。微軟在做 Cobalt，谷歌在做 Axion，阿里在做依天，幾乎所有主要的雲廠商都在自研 ARM 架構的伺服器 CPU。

這些自研 CPU 走的也是「高密度、能效優先」的路線——和至強 6+ 在產品定義上是直接競爭關係。

也就是說，至強 6+ 想拿下的那塊市場，雲廠商們正在自己做。英特爾需要證明：在雲廠商自研 CPU 之外，仍然有足夠大的市場。比如電信運營商、私有雲、垂直行業的資料中心。

第三個變數是 18A 製程本身。

至強 6+ 是 Intel 18A 的首款資料中心 CPU，這本身意味著這顆晶片承擔了遠超產品本身的產業意義。如果 18A 製程在量產良率、性能穩定性、客戶驗證上出現問題，至強 6+ 的市場表現就會被拖累。反過來，如果 18A 表現穩定，至強 6+ 反而可能給 Intel Foundry 帶來一些喘息空間。

但 18A 不是真空裡跑——台積電的 N2 製程 2026 年下半年開始量產，三星 2nm 也在路上。Intel 18A 想拿到的不只是「做出來」，是「做出來之後還能領先」，這是一個更高的標準。

將這三個變數合在一起，至強 6+ 的最終成色，不只取決於它自己，它取決於英偉達會不會把 CPU 角色自己吃掉、雲廠商會不會繼續自研 CPU、Intel 18A 會不會在和台積電、三星的同代競爭裡站穩。

這是為什麼「CPU 歸還」這件事，從產業級的判斷上看是成立的，從英特爾自己能不能拿到這波歸還紅利的角度看，仍然是未知數。

CPU 在 AI 算力舞台上的位置之爭，已經持續了三年。

過去三年的劇本是「GPU 是中心，CPU 是配套」。這個劇本到 2026 年開始鬆動——不是 CPU 重新比 GPU 更快，而是 AI 算力本身在變。當 AI 從「訓練一個模型」擴展到「運行成千上萬個智能體」，編排、並發、數據流動這些事重新成為系統瓶頸，CPU 在這個位置上變得不可替代。

英特爾押了這件事，至強 6+ 是它交出的答卷。但這件事會不會成立、英特爾自己能不能拿到這波紅利，最終要在 2027、2028 年的客戶機房裡給出答案。AMD、ARM 陣營、雲廠商自研 CPU、英偉達自己做 CPU，每一個變數都可能改變劇本的走向。

CPU 的歸還是真的，但誰來主導這場歸還，還沒定。